零零散散学算法之再叙字符串匹配

零零散散学算法之再叙字符串匹配

 

正文

 

       字符串匹配问题这是个老话题了，而我们也热衷于学习和探讨这个问题，并且我们也经常会用到它。比如说，我们用vim打开一个文本文件，要在这个文件中查找某一个字符串时，我们只需在底行模式下输入/String即可；再比如，在linux终端中，我们要把当前目录下所有的c文件打印出来，那么这时候我们就会利用正则表达式来进行匹配操作(所有的c文件可表示为*.c)，而不是挨个去找。

好了，书接正文。写本篇文章的目的有二：

  其一：先前也写过字符串匹配的文章，不过那篇文章只说了字符串固定匹配以及KMP算法，没有对字符串动态匹配进行讲述。所以一直想写关于动态匹配的文章；

       其二：对于一个算法爱好者，如一位仁兄所说：Say what you think and show your code！如若这样，岂不快哉！

第一章 固定串匹配

       我为什么叫它固定串呢？我还是举个例子说明一下吧(没办法，语言表达能力不好啊)！假设有源字符串…superfcing…，我们想知道子串superfc是否在源串中出现过？此时不难看出子串是一个确定的字符串(不含有不确定的字符)，那么我就将它成为固定字符串匹配法。

 

       解决这种情况的算法不用我多说，自然是KMP算法(最坏情况为O(strlen(source_string) + k))了。对于这个算法先前也说过，在这就不细说了。这个算法的关键步骤就是源串前缀数组的生成。下面我用图例给出前缀数组的生成过程：

 

 

       对于KMP算法，归总起来就是：扫描源字符串，更新并标记子串在源串中出现的位置。

       附注：关于KMP算法的前缀函数，当数组的起始下标为0时，务必不要让前缀函数的初值设为0，如果这样的话，可能会死循环。你如果对此有兴趣，自己可以试试。

 

好了，固定串匹配的情况就是这样，解决方法也有了，接下来我们看看代码的实现：

代码中使用到的变量代表的含义：

/*	Source:源串 **	SourceLength:源串长度 **	Prefix:前缀数组 **	Pattern:匹配串，即子串 **	P_Length:子串长度 **	Buffer:当源串中有子串匹配时，用Buffer保存这些子串 */

/**为KMP算法得到前缀数组**/ void GetPrefixArray(char *Source, int *Prefix, int SourceLength) {     int k = 0, i;     Prefix[k] = -1;//当下标起始为0时，起始值务必设为1(原因见如下解释)      for(i = 1; i < SourceLength; i++)     {         while(Source[k] != Source[i]  &&  k > 0)         {             k = Prefix[k];         }         if(Source[k] == Source[i])         {             ++k;         }         Prefix[i] = k;     } }

void StringMatchOfKMP(char *Source, int SourceLength, int *Prefix, 			char *Pattern, int P_Length, char *Buffer) {     int i = 0, j = 0, index = 0;      GetPrefixArray(Source, Prefix, SourceLength);      while(i < SourceLength)     {         while(j > 0 && Source[i] != Pattern[j])         {             j = Prefix[j];         }         if(Source[i] == Pattern[j])         {             j++;         }          if(j == P_Length)         { 	        memcpy((Buffer + index * P_Length), Pattern, strlen(Pattern)); 	        index++;//当有多个匹配时，index * P_Length为每个子串在Buffer中的起始位置         }         i++;     } }

 第二章 单字符动态匹配

 

      所谓单字符动态匹配，就是：当字串中出现？字符时，该字符表示匹配任意的一个字符(因为它是任意的一个字符，所以说它是单字符动态匹配)。那么这种情况怎么解决呢？很简单，我们只需要对源串做一次遍历，并不需要像固定串匹配那样利用KMP算法。即子串在匹配源串的过程中，当遇见？字符时，我们直接认为子串中的该字符和源串中对应位置的字符匹配成功。举个例子，假设源串为helloSuperfc，子串为S*per，那么当源串和子串中的S匹配时，分别做++，这个时候源串中的u就会和子串中的*相比较，此时我们就认为*就是字符u，匹配成功，然后进行下一个字符的匹配。

好，给个图示：

 

      单字符动态匹配就是这样，我们来看看它的实现代码：

void StringMatchOfAsk(char *Source, int SourceLength, char *Pattern, 						int P_Length, char *Buffer) {     int i = 0, j = 0;     int index = 0;     while(i < SourceLength)     {     	if((Pattern[j] == Source[i]) || (Pattern[j] == '?'))     	{ 			/*匹配完成*/ 			if((j + 1) == P_Length) 			{ 				memcpy((Buffer + index * P_Length), (Source + i - P_Length + 1), P_Length); 				index++; 				j = 0; 			} 			else 			{ 				j++; 				i++; 			} 		} 		else 		{ 			i = i - j + 1;//相当于i++ 			j = 0; 		}     } }

  第三章 多字符动态匹配

 

       所谓多字符动态匹配，就是：当子串中出现*字符时，该字符表示可以匹配至少0个以上的字符(因为它可以匹配多个字符，所以说它是多字符动态匹配)。那么这种情况怎么解决呢？我认为它比单字符动态匹配还要简单，即当子串中的*与源串中的对应字符比较时，我就认为*字符包含从源串中的当前位置开始，直到当子串中的下一个字符与源串中的字符相等时，匹配结束。这么说太拗口了，我用一个图例来说明一下：

 

我们来看看代码的实现：

void StringMatchOfStar(char *Source, int SourceLength, char *Pattern, 						int P_Length, char *Buffer) { 	int i = 0, j = 0; 	int index = 0;  	while(i < SourceLength) 	{ 		if(Source[i] == Pattern[j]) 		{ 			/*匹配完成*/ 			if(P_Length == ++j) 			{ 				memcpy(Buffer, (Source + index), i - index + 1); 				break; 			}  			/*保存起始匹配的下标*/ 			if(0 == j - 1) 			{ 				index = i; 			} 		} 		else if(Pattern[j] == '*') 		{ 			j++; 		} 		i++; 	} }

第四章 结束语

 

想想、写写、画画......